第二部分：世界模型

世界模型是对世界运行规律的学习化表征——它捕捉环境的动态特性、结构和规律性。世界模型使智能体能够在不直接与环境交互的情况下进行预测、规划和想象，是构建智能具身系统的关键组件。

本部分内容

本部分涵盖以下主题：

1. 什么是世界模型？ — 定义、动机与认知科学视角
2. 表征学习 — 如何为世界建模学习有效的潜在空间
3. 视频预测 — 预测未来的视觉观测
4. 基于世界模型的规划 — 利用学习到的模型进行决策
5. 基础世界模型 — 大规模通用世界模型
6. 关键论文 — 世界模型领域的必读文献

为什么需要世界模型？

世界模型的研究动机来自多个方向：

• 从 RL 角度：基于模型的 RL 比无模型方法的样本效率高 10-100 倍
• 从认知科学角度：人类不断在脑中模拟世界以进行规划和预测
• 从机器人角度：真实世界的交互成本高昂；用学习到的模型进行仿真则廉价高效
• 从扩展性角度：基础世界模型正在成为通用物理推理的一条可行路径

与其他部分的关联

graph LR
    MB[基于模型的 RL<br/>第一部分] --> WM[世界模型<br/>第二部分]
    WM --> EA[具身智能<br/>第三部分]
    WM --> DR[分布式 RL<br/>第四部分]
    EA -->|提供训练<br/>数据| WM

• 第一部分（RL）：世界模型是基于模型的 RL 中动力学模型的泛化
• 第三部分（具身智能）：世界模型支撑 sim-to-real 迁移和基于想象力的机器人学习
• 第四部分（分布式 RL）：训练大型世界模型需要分布式计算系统的支持